一本还在生长的 AI 大白话读物

AI 为什么会？

不从名词开始，从一个个普通问题出发，重新理解 AI 世界。

内测版 v0.4共 17 篇2026 年 7 月

HISTORY

修订历史

以 v0.3 的事实边界为底线，对全部 17 篇做了一次可读性回炉。不增加新的知识体系，重点找回初版的调查现场、悬念、比喻和个人发现，让严谨结论重新从故事与推理中自然长出来。

没有增加新的篇章，而是继续收紧 Agent 部分的知识边界：区分执行动作与完成任务，补充权限、验收、纠错、停止和交还控制权，并进一步说明 Tool、MCP 与 Multi-Agent 在系统中的不同作用。感谢布马在第一轮修订后继续逐章阅读，提供第二轮专业而细致的反馈。

对全部 17 篇做了一次知识性的对抗审查，重点修正模型、Context、Token、Memory、RAG、Skill、 MCP 和 Agent 等概念中容易说得太绝对的地方。感谢布马耐心读完第一版并提出第一轮专业意见，这些反馈直接促成了本次修订。

首次发布电子书内测版，收录 17 篇正文和独立后记。这个版本首先想确认的是：普通读者能不能顺着 17 个问题，一步步看懂 AI。

如果你读到难懂、啰嗦或者不同意的地方，欢迎在每一章末尾复制反馈模板告诉我。

PREFACE

最近接了一个活，答应赞赞天团在群里做一场 AI 相关的分享。

为了准备这次分享，我和 AI 围绕大模型、Agent、Skill、MCP 等聊了好几天。我们没有从工具怎么用开始，而是试着从第一性原理出发，一层一层追问：这些东西为什么会出现？它们之间到底是什么关系？

聊到后来，我发现，这套思路不仅适合拿来做一次分享，也值得完整地记录下来。

正如我的公众号名字所说，复述是最好的学习，所以，我决定把这几天与 AI 一起推演的过程，以及我对 AI 的一些理解，在 AI 的辅助下整理成一个连载系列。

这个系列不会追着介绍最新工具，也不打算堆砌专业名词。它更像是一场持续进行的调查：从一个个最普通的问题出发，逐步寻找 AI 世界背后的基本结构。

希望当这个系列结束时，你记住的不是几十个 AI 名词，而是一套能够解释整个 AI 世界的思维方式。

CONTENTS

HOW TO READ

不需要先懂 Transformer、Token 或者 Agent。遇到英文名词可以先跳过去，后面的文章会在真正需要它时再解释。

建议从第一篇顺着读。每一篇都建立在上一篇留下的问题上，读完以后，试着用自己的话复述一次。